端口哈密顿系统学习中的表达能力与结构保持
动力系统
2023-03-07 v1
摘要
本文给出了一种适用于结构保持监督学习的单输入单输出（SISO）线性端口哈密顿系统的良好指定参数化方法。该构造基于这些系统的可控可观测规范型哈密顿表示，揭示了控制理论中的经典概念与机器学习语境中的关键性质（如结构保持与表达能力）之间的基本关系。本文的结果提出了与这些系统相关的估计问题的参数化方案，至少在规范情形下可归结为唯一辨识，并证明复制该动力学所需的参数复杂度为 O(n) 而非标准参数化所暗示的 O(n^2)。
引用
@article{arxiv.2303.02699,
title = {Expressiveness and Structure Preservation in Learning Port-Hamiltonian Systems},
author = {Juan-Pablo Ortega and Daiying Yin},
journal= {arXiv preprint arXiv:2303.02699},
year = {2023}
}